一項新的機器視覺定位之零（líng）部件尺寸檢測技術

在新興市場經濟和新型技術不（bú）斷崛起的背景下，生產出高品質且（qiě）價格低廉的產品是（shì）企業（yè）發展的急切需（xū）求，然（rán）而近些年來在國（guó）內現有生（shēng）產條件下生產出（chū）的產品存在著很大的問題。傳統意義上的生產（chǎn）需要設備處於時常工作狀態以便於隨時檢測，然而這樣的工作方式導致了（le）設備在一（yī）定的時間內出現設備（bèi）閑（xián）置的現象，大大的浪費了生（shēng）產（chǎn）資源並無法實現可靠（kào）的自動化生（shēng）產；還有一個更為重要的原因在於工業生產線上生產出的產品，對於其尺寸精度的測（cè）量人們大（dà）多數都通過自己的主觀意識或者粗（cū）淺的測試方法去判別零部件尺寸是（shì）否（fǒu）合格（gé），這樣的判斷方（fāng）式檢（jiǎn）測出的（de）精度根本（běn）滿足不了客戶的需求。基於上述諸多問題的提出，一種基於機器視覺的檢測方法應運而生，此（cǐ）概念的提出為生產加工業實現自動（dòng）化、智能化帶來（lái）了空前（qián）的變革。隨著機器視覺的應用，機器視覺的應用大（dà）大的（de）提高了產品的質量、降低了人口紅利並（bìng）能在一（yī）定程度（dù）上降低生產成本，帶（dài）動生產加工業走向自動化、智能化的道路。

一、係統的整體結構

本研究（jiū）是基於工業生產線上對不同（tóng）零部件尺寸的檢測，機器視覺的零部件尺寸檢測主要分為圖像采集、圖像分析處理、顯示結果及控製三個部分。係統（tǒng）主要由計算機主機、工業相機、LED光源和光電傳感器、PLC可編程控製器（qì）以及（jí）單片機控製器、暗箱（xiāng）等。其工作過程是：首先（xiān）初始化設備並自檢設（shè）備，然後計算機主機（jī）通過軟件驅動工業相機(麵陣式CCD傳感器)，但是工業相機在此時隻（zhī）是處於一個等待采（cǎi）集圖像信號的狀（zhuàng）態，當光電傳（chuán）感（gǎn）器沒有檢測到物體時，此（cǐ）時工業相機繼續等待采集圖像信號；當光電傳感器檢測到產品經過時，打（dǎ）開LED光源（yuán）並觸（chù）發工業相機采集零部件數字圖像信號，然後關閉LED光源，單片機（jī）控製器經過USB串口（kǒu）通信方式將數據傳輸給計算機主機進行圖（tú）像處理，圖像處理後判斷物（wù）體是否合格，不合格就放入不合格產品收集箱，合格（gé）就檢測下一個產（chǎn）品。

二、圖像（xiàng）的處理（lǐ）及分析

1.標定文（wén）件的生成（chéng）

在（zài）圖像處理過（guò）程中，更值得說明的是標（biāo）定文件（jiàn）的生成是有嚴格（gé）要求的，其（qí）處理的步驟依次為創建標定模（mó）板、初始化內參、指定（dìng）描述文（wén）件、收（shōu）集標定數據、配置校正、標定計算、獲得標定參數、生成標定文件等步（bù）驟。在標定（dìng）的過程中運用到了標定板，在這裏我們規定其大小必需（xū）為視野圖像的1／4。係統以二十幅不同位姿的標定板圖像進行標定並設置好標定圖像的原始位（wèi）姿，從而生成標定文件目。

2.灰度轉換（huàn）

在實際的生產加工中，由於（yú）複雜的環境因素的影響很多零部件並不是（shì）像我們（men）想象中的那麽容易區分。因此，為了快速準確的識別我們必須對其進行灰（huī）度轉換。RGB圖像每個像素顏色都（dōu）對應三維空間上的一個點，而灰度圖像像素的顏色可以對應於一條直線來表示。因而，很容易得出彩色圖像轉換為（wéi）灰度圖像實質是尋求一（yī）個在三維空間上的映射（shè）。

3.濾（lǜ）波降噪

在圖像采集過程中由於零部件結構的複雜程度不一，因而圖像中的噪聲是不可避免的，噪聲會影響係統對檢測區域的識（shí）別與判定。所以降（jiàng）噪濾波在（zài）整個檢測係統中起到了不可替代的（de）作用。對（duì）於噪聲的（de）處理有線性的濾波方法和非線性的濾波方法，如（rú）均值（zhí）濾波為線性方法，采用（yòng）mean_image算子對（duì）圖像灰度值進行平均處理從而達到降噪（zào）平滑圖像的效果。中值濾波為（wéi）非線性的方法。然而對於精度要求比較高的零部件尺（chǐ）寸檢測（cè），這兩種濾波方法都不能（néng）達到我們（men）預期的效果。所以本文采用另一種可靠的濾波方法——高斯（sī）濾波。使用高斯濾波器，可以（yǐ）完成高精度的測量（liàng）任務。

4.圖（tú）像匹配

在工業生產加工中（zhōng），我們所檢測的零部件（jiàn）往往不是單一的，有時候會（huì）涉及各種各樣的零（líng）部件，通過模板（bǎn）匹配技術就可以實現（xiàn）。模板（bǎn）匹配可以用來做完整性檢測（cè）、區分不同類型的物體和得到目標物體在圖像中的位姿。模板的匹配有（yǒu）幾種不同的匹配方式：基於灰度值的（de）匹配、使用圖形金字塔進行的匹配、基於灰度值（zhí）的亞像素精度的匹配、帶旋轉和縮放（fàng）的模（mó）板匹配。在應用匹配的時候我（wǒ）們（men）主（zhǔ）要是用來區分不同類型的物體，很多其他的技術都能分（fèn）別出不同的物體，但對某種特殊類型的物體來說，實現一個（gè）可靠（kào）的識別算法是很複雜的。另（lìng）外（wài）如（rú）果被識別物體經（jīng）常發生變化。就必（bì）須為每種物體開發一個新的識別算法。通（tōng）過模板匹配（pèi）技術就可以實現上述功能。

5.提取亞像素邊緣

亞像素精（jīng）度輪廓（kuò）表示圖像（xiàng）中兩個區域之間的邊界，這（zhè）兩個區域中一個區域的灰（huī）度值大於灰度閾（yù）值，而另一個區域的灰度值小（xiǎo）於（yú）灰度閾值。為了獲得這個邊界我們需（xū）要（yào）將圖像（xiàng）的離散轉換成一個連續函數，而通過雙線插（chā）值的方法就能完成（chéng）這種轉換。在零部件尺寸檢測（cè）的工（gōng）業生產中，通過工業相機采集回來的零部件圖像（xiàng）往往都是像素精度的，在零部件尺寸檢測中我們需要達到比圖像像（xiàng）素分辨率更高的精度，因此從圖像中提取亞像素精度是達到高精度要求的唯一有效的途徑。調用edge_sub_pix算子、gen_polygons_xld算子、se—lect_contours_ xld、算子和union_straight_contours_xld算子，通過濾波器canny可以對零部件目標Region進（jìn）行亞像素邊緣提取（qǔ），並可以直接返回由像素點組成的邊緣，具有亞像素精度。

6.轉（zhuǎn）換為世界坐標

在圖像的分析與處理過程中，由於工業相機（jī）采集回來的圖像會出現一定程度上的畸變，那麽這個時候我們就要對圖像進行一定程度的校正。轉（zhuǎn）換為世界坐標的目的在於（yú）使用標定（dìng）後的攝像機（jī）可以在（zài）世界坐標係內進行未失真的測量。這對（duì）於零部件尺寸的檢測有著很好的效果。這（zhè）種未失真的檢測用立體重構的方法也可以實現，但是立體重構的方法需要多個攝像機在不同的（de）位置上同時（shí）拍（pāi）攝同一物體，但是在實際應用中由於成本和安裝空間的限製，這種未失真的方法是不可取（qǔ）的。因此在零部件檢測中（zhōng），我們選擇了轉換為世界坐標來達到未失真的（de）測量。通過set origin pose算子設置原（yuán）始位姿獲得係統參（cān）數，然（rán）後運用image—points_to_world算子轉換為世界坐標。

基於機器的（de）零部件尺寸檢測（cè）技術，在工業生產中起著舉足輕重的作（zuò）用（yòng）。隨著（zhe）機器視覺的應用，我（wǒ）們不難發現，機器視覺的（de）應用大大的提高了產品的質量（liàng）、降低了人口紅利並能在一定程度上降低生產成本，帶動生產加工業走向（xiàng）自動化、智能化的道路。在機器視覺的應用中，物體特征的提取和尺寸的（de）精（jīng）確定（dìng）位及測量（liàng）是生產線上不可替代的環節。